1、时序季节模型建模兰 州 商 学 院统计学院应用时间序列分析实践作业题 目: 季节效应的建模 班 级: 08统计2班 组 别: 第 四 小 组 组 长: 陶秀珍 组 员:朱一 段永康 郭俊佑 白雯桦 2011 年 6 月 12 日季节效应分析一、数据来源: P.122.例4.6,北京市19952000年月平均气温序列(附录1.10)。二、研究目的:在日常生活中,我们可以见到许多有季节效应的时间序列,比如:四季的气温,每个月的商品零售额,某自然景点每季度的旅游人数等等。他们都会呈现出明显的季节变动规律。 所谓季节效应就是在不同的季节中数据会呈现很明显的差异。在对北京市19952000年月平均气温序
2、列的分析中,把每月温度绘制成图,可以帮助我们更清楚地看到季节效应的存在。三、理论背景: 假如没有季节效应的影响,北京市的气温应该始终在某个均值附近随机波动,季节效应的存在,使得气温会在不同年份的相同月份呈现出相似的性质,通过建模我们可以提取季节变动和随机变动的信息,这个过程即是对有季节效应的建模过程。四、数据统计分析:步骤一,初步了解数据信息,并作预处理:1,将原始数据(附录1.10)导入Eviews 6.0中,并删除序列SERIES01,将序列SERIES02重命名为X。2,点击Quick Graph,在出现的对话框中输入X,点击确定,得到时序图,如下:由图可知,北京市19952000年每月的平均气温随着季节的变动有着非常规律的变化。气温的波动主要受到两个因素的影响:一个是季节效应,一个是随机波动。同时可以看出气温在剔除季节效应后是一个稳定的序列,因此不用对随机波动做差分处理。